初めてのTensorFlow―数式なしのディープラーニング [単行本]

初めてのTensorFlow―数式なしのディープラーニング の 商品概要

• 要旨（「BOOK」データベースより）

  ディープラーニングを初めて学ぶＩＴエンジニアにとっての障壁は、手法、特に理論を説明する数式が難解なこと。もう一つは「どうやって使うのか、実装方法が分からない」という点です。そこで本書は、Ｇｏｏｇｌｅのディープラーニング・フレームワークＴｅｎｓｏｒＦｌｏｗに注目。ＴｅｎｓｏｒＦｌｏｗと完全互換性があり、より初心者に適したＴＦＬｅａｒｎを使うことで、これらの壁を突破します。絞り込んだ内容と、気鋭のデータサイエンティストの丁寧な解説により、数式なしで手法（理論）を理解できます。さらに、ライブラリを使って無理なく実装まで体験できます。

• 目次

  1　 初めてのディープラーニング
  1.1 機械学習とディープラーニング
  1.2 ディープラーニングのライブラリ
  
  2　 ディープラーニングの実装準備
  2.1 ディープラーニングの環境構築
  2.2 Jupyter Notebookの使い方
  2.3 Pythonプログラミングの基礎
  
  3　 ディープニューラルネットワーク体験
  3.1 ニューラルネットワークの仕組み
  3.2 ディープラーニングの仕組み
  3.3 ディープラーニングの実装手順
  3.4 手書き文字画像MNISTの分類
  
  4　 畳み込みニューラルネットワークの体験
  4.1 畳み込みニューラルネットワークの仕組み
  4.2 手書き文字画像MNISTの分類
  4.3 一般的な画像の分類
  
  5　 再帰型ニューラル
  ネットワークの体験
  5.1 再帰型ニューラルネットワークの仕組み
  5.2 対話テキストの分類
  5.3 手書き文字画像MNISTの分類
  
  Appendix　付録
  A.1 TensorBoardの使い方
  A.2 ディープラーニングの環境構築（Windows編）
  A.3 Ubuntu仮想イメージのインポート方法
  参考文献

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  足立 悠(アダチ ハルカ)
  メーカーでデータサイエンティストとして働く傍ら、社会人大学院生としてデータマイニングの研究に従事。ユーザー企業でデータ分析・活用を推進し、ベンダー企業で国内企業のデータ分析・活用を支援した経験があり、両方の立場からデータサイエンスに携わってきた。過去には、データサイエンスの普及を目的に、Ｗｅｂや雑誌へ記事を執筆したほか、国内各地でセミナー講師を務めてきた

• 内容紹介

  ◆◆ PythonとTFLearnで無理なく体験学習 ◆◆
  
  本書は「これからディープラーニングを学びたい」と考えているIT エンジニアの方々を対象にしています。
  そして、ディープラーニングの手法を理解し、自分で実装できるようになることを目指します。
  
  ディープラーニングを初めて学ぶITエンジニアは、2つの障壁を越えねばなりません。
  一つは「ディープラーニングの手法」、特に、理論を説明する数式が難解なこと。
  もう一つは「どうやって使うのか、実装方法が分からない」ことです。
  
  ■数式なしで理論を理解
  そこで本書は、是非知っておきたい3つの手法、即ち、①全結合のニューラルネットワーク、
  ②畳み込みニューラルネットワーク（CNN）、③再帰型ニューラルネットワーク（RNN）のみに話題を集中。
  IT エンジニアなら抵抗感なく読めるように、数式を一切使わず、気鋭のデータサイエンティストが
  丁寧に理論を解説します。
  
  ■簡単に実装できるライブラリを使用
  実装については、Google社のディープラーニング・フレームワークTesorFlowに注目。
  TesorFlowと完全互換性があり、かつ、TesorFlowよりも初心者に適したTFLearnライブラリを使うことで、
  Python 3による実装を体験します。
  実装環境の構築方法も一から説明し、サンプルコードには逐次解説を加えました。
  
  ■理論と実装の反復で理解を深める
  第1章では、機械学習とディープラーニングの概要、実装ライブラリについて説明します。
  第2章では、TFLearnを使った実装環境を構築し、ツールの使い方を学びます。
  第3章では、全結合のニューラルネットワークの仕組みを理解した後、
  手書き文字画像のMNISTデータセットを使って、画像の分類問題を解いてみます。
  第4章ではCNNを解説した後、再度、MNISTデータを分類。また、JPEG等の一般的な画像の分類も行います。
  第5章では、時系列データに適したRNNの仕組みを理解した後、対話テキストの分類に挑戦。
  ここでもMNISTの分類を行ってみます。
  
  本書に沿って体験学習を進めれば、ディープラーニングの手法を無理なく理解でき、
  手を動かして実装できるようになるでしょう。

• 著者について

  足立　悠 (アダチ ハルカ)
  メーカーでデータサイエンティストとして働く傍ら、社会人大学院生としてデータマイニングの研究に従事。
  ユーザー企業でデータ分析・活用を推進し、ベンダー企業で国内企業のデータ分析・活用を支援した経験があり、
  両方の立場からデータサイエンスに携わってきた。
  過去には、データサイエンスの普及を目的に、Webや雑誌へ記事執筆したほか、
  国内各地でセミナー講師を務めてきた。
  多感な時期に高専で5年間を過ごしてしまったせいか、周囲から変人と評されている。
  趣味は国内の城とダム巡り、お地蔵さんが密集している場所に佇むこと。

初めてのTensorFlow―数式なしのディープラーニング の商品スペック